1.一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：包括信息感知、轨迹规划、控制层建模和驱动执行；

所述信息感知实时采集智能汽车的交通环境信息和车辆状态信息，将相关事件进行实时收集并传递至控制层供控制层预先判断调用；

所述轨迹规划根据信息感知的数据规划出一条期望路径；

所述控制层建模，建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值；

所述驱动执行根据控制层建模输出的控制指令物理值操纵车辆的执行机构，实现车辆的整体控制；

所述控制层建模包括预瞄距离建模、横向控制偏差建模、纵向控制偏差建模和纵横向控制算法；

所述横向控制偏差建模的依据为二自由度车辆横向动力学方程，所述自由度车辆横向动力学方程表达式为：式中β表示质心侧偏角，γ表示横摆角速度，a11、a12、

a21、a22、b1、b2分别表示车辆参数，δf表示车辆前轮转角；

车辆质心到目标轨迹最近点Pn的横向偏差ey和航向偏差 为：

车辆质心到预瞄点的预瞄偏差为：

若Lp＝0，则eyL＝ey

式中 表示车辆质心处的X轴坐标值、Y轴坐标值和横摆角； 表

示最近点Pn的X轴坐标值、Y轴坐标值和横摆角，ρ为最近点Pn处的道路曲率，ey、eyL、 根据位置反馈和车辆状态反馈实时更新；Lp为预瞄距离；

所述纵向控制偏差建模的表达式为：

Vd＝MIN(Vp，Vrmax)

ev＝Vd‑V

其中，Vp为预瞄速度，ayd为车辆与预瞄点之间的距离， 为道路平均曲率，ε为一个正数，Vd为最优目标速度，Vrmax为当前路段限速，ev为速度误差，V为当前车速；

所述纵横向控制算法的表达式为：

其中，f(β)是自变量为车辆质心侧偏角β的函数，f(V,γ)是自变量为车速V和横摆角速度γ的函数，a为纵向控制反馈项，b是包含车辆参数的常数，K1、K2为反馈控制增益，Kρ为前馈控制增益， 为前轮转角控制反馈项，前轮转角控制前馈项，Kp1、KI、KD是纵向控制增益。

2.根据权利要求1所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：预瞄距离Lp建模基于模糊算法自适应选取具体步骤如下:‑1

①变量模糊化,将前方道路曲率和当前车辆速度作为输入变量，其论域分别为[a，b]m和[c，d]km/h；输出变量为预瞄距离Lp，其论域为[e，f]m；根据难度和控制效果，将输入输出模糊集论域分为n档，道路曲率为Ei，i表示道路曲率论域的分级，i＝1…n,车辆速度为Fj，j表示车辆速度论域的分级，j＝1…n，预瞄距离为Dq，q表示预瞄距离论域的分级，q＝1…n；

②隶属度函数选取，采用梯形隶属度函数和三角形隶属度函数相结合的函数；

③生成模糊规则，通过模糊条件语句根据①变化模糊化可知有n2条规则组成的模糊规则库；

④解模糊化，选取重心法来解模糊化。

3.根据权利要求2所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：所述模糊规则采用Mamdani法，其规则可以表示如下：IF： THEN：Lp＝q，式中Ei、Fj、Dq分别为输入、输出变量的语言变量。

4.根据权利要求1所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：所述纵横向控制算法包括横向控制算法和纵向控制算法；所述横向控制算法基于反步法的反馈和前馈相结合的控制策略；所述纵向速度控制算法基于PID反馈的控制方法实现对目标速度的控制。

5.根据权利要求1所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：所述控制层建模还包括建立期望约束，所述期望约束包括控制信号增量限制器和饱和限制器，对控制层建模输出的期望前轮转角值和期望加/减速度值进行限制处理，以获得平滑且安全的车辆转向行为或加减速行为。

6.一种基于纵横向协调的轨迹跟踪控制系统，其执行如权利要求1所述的基于纵横向协调的轨迹跟踪控制方法；其特征在于：包括感知层、轨迹规划层、控制层和驱动执行层；所述感知层实时采集智能汽车的交通环境信息和车辆状态信息，将相关事件进行实时收集并传递至控制层供控制层预先判断调用；所述轨迹规划层根据信息感知的数据规划出一条期望路径，此期望路径为从出发点到目的地点的全局轨迹；所述控制层建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值；所述驱动执行层根据控制层建模输出的控制指令物理值驱动操纵车辆制动执行机构，实现车辆的整体控制。